如何在Pandas DataFrame中实现累积减法计算total_diff列？

需求说明 #

• 每个用户的total_diff初始值为该用户的总training_hours
• 后续每个月，若有training_hours记录，则用当前total_diff减去该值；若无记录，保持total_diff不变
• 示例：John总时长250，month1-4无记录时total_diff始终为250；month5记录50小时后，total_diff变为200；month6记录60小时后变为140

原代码问题分析 #

你之前的代码用cumsum()做累计求和，和需求的累计扣除逻辑完全相反，且空值填充逻辑没有处理好初始总时长的传递，导致结果不符合预期。

正确实现代码 #

# 1. 提取每个用户的总training_hours，构建映射字典
total_hours_map = df[df['month'].str.endswith('_Total')].set_index('name')['training_hours'].to_dict()

# 2. 筛选月度记录行（排除总时长汇总行）
mask = ~df['month'].str.endswith('_Total')
monthly_records = df[mask].copy()

# 3. 为每个用户的月度记录初始化total_diff为总时长
monthly_records['total_diff'] = monthly_records['name'].map(total_hours_map)

# 4. 计算累计扣除：总时长减去累计的training_hours（空值按0处理）
monthly_records['total_diff'] = monthly_records.groupby('name').apply(
    lambda group: group['total_diff'].iloc[0] - group['training_hours'].fillna(0).cumsum()
).reset_index(drop=True)

# 5. 将处理后的数据合并回原DataFrame
df.loc[mask, 'total_diff'] = monthly_records['total_diff']

# 可选：让总时长汇总行的total_diff等于自身training_hours
total_mask = df['month'].str.endswith('_Total')
df.loc[total_mask, 'total_diff'] = df.loc[total_mask, 'training_hours']

逻辑解释 #

• 先把每个用户的总时长提取为字典，实现快速匹配
• 为月度记录初始化total_diff为用户总时长
• 对每个用户的月度时长做累计求和（空值补0），用初始总时长减去该累计值，得到每月剩余时长
• 最后将处理结果合并回原表，总时长行的total_diff可直接复用自身时长值

内容的提问来源于stack exchange，提问作者Bruce